我构建了一个Keras模型，它有两个分支，每个分支接受相同数据的不同特征表示。任务是将句子分类到6个类别之一。

我已经测试了我的代码，直到model.fit，它接受一个包含两个输入特征矩阵的列表作为X。一切正常。但在预测时，当我传递测试数据的两个输入特征矩阵时，会生成一个错误。

代码如下：

X_train_feature1 = ... # 形状：(2200, 100) 每行是一个句子，每列是一个特征
X_train_feature2 = ... # 形状：(2200, 13) 每行是一个句子，每列是一个特征
y_train= ... # 形状：(2200,6)
X_test_feature1 = ... # 形状：(587, 100) 每行是一个句子，每列是一个特征
X_test_feature2 = ... # 形状：(587, 13) 每行是一个句子，每列是一个特征
y_test= ... # 形状：(587,6)
model= ... # 创建一个有两个分支的模型，参见下图
model.fit([X_train_feature1, X_train_feature2],y_train,epochs=100, batch_size=10, verbose=2) # 模型训练正常
model.predict([X_test_feature1, X_test_feature2],y_test,epochs=100, batch_size=10, verbose=2) # 此处报错

模型看起来像这样：

错误信息如下：

predictions = model.predict([X_test_feature1,X_test_feature2], y_test, verbose=2)
  File "/home/zz/Programs/anaconda3/lib/python3.6/site-packages/keras/engine/training.py", line 1748, in predict
    verbose=verbose, steps=steps)
  File "/home/zz/Programs/anaconda3/lib/python3.6/site-packages/keras/engine/training.py", line 1290, in _predict_loop
    batches = _make_batches(num_samples, batch_size)
  File "/home/zz/Programs/anaconda3/lib/python3.6/site-packages/keras/engine/training.py", line 384, in _make_batches
    num_batches = int(np.ceil(size / float(batch_size)))
TypeError: only length-1 arrays can be converted to Python scalars

我非常希望能得到一些帮助来理解这个错误以及如何修复它。

回答：

predict方法只接受数据（即x）和batch_size作为输入（设置这个参数不是必须的）。它不接受标签或epochs作为输入。

如果你想预测类别，那么你应该使用predict_classes方法，它会给你预测的类别标签（而不是predict方法给出的概率）：

preds_prob = model.predict([X_test_feature1, X_test_feature2])
preds = model.predict_classes([X_test_feature1, X_test_feature2])

如果你想在测试数据上评估你的模型以找到损失和指标值，那么你应该使用evaluate方法：

loss_metrics = model.evaluate([X_test_feature1, X_test_feature2], y_test)